Carta de lineamientos ambientales - parte 2
Monterrey (Casanare)
Agrosolidaria Monterrey - Casanare
Con el apoyo de Center for International Migration and Development CIM
Elaborado por Erika Arias y Fabio Castro - Sobre ellos
Datos de contacto:
direccionfederacion@agrosolidaria.org / fabio.castro@coreounivalle.edu.co
Análisis multivariado de las métricas del paisaje
Con la finalidad de sintetizar todas estas métricas del paisaje, se optó por aplicar un análisis de componentes principales para las distintas métricas, por un lado las de a nivel parche y las de a nivel de clase.
A nivel de clase
En la siguiente figura se ilustra el comportamiento de las métricas del paisaje para los distintos índices y horizontes de tiempo.
Tal como se ilustra en la anterior figura, el comportamiento de cada métrica para los distintos años es ligeramente similar, por ejemplo se indica que mientras el valor del perimetro fractal aumental el índice de algomeración disminuye, o en otras palabras, va en direción opuesta; de otro lado, existe cierta correlación en las clases, para todos los años, de borde total, porcentaje de clase del paisaje, porcentaje de área del núcleo, y el índice del parche más largo van en la misma dirección. Otro aspecto a tener presente dentro de este análisis es que en todos los años se presenta una representación de más del 75% para las dos primeras componentes dentro del análisis del PCA.
A nivel de parche
En la siguiente figura se ilustra el comportamiento de las métricas del paisaje para los distintos índices y horizontes de tiempo.
Tal como se ilustra en la anterior figura el comportamiento para estas métricas es relativamente similar en los distintos años, por ejemplo, las métricas de índice de dimensión fractal, índice de forma, y relación perimetro van en la misma dirección; de otro lado, se puede visualizar que mientras los datos del índice de contigüidad aumentan los datos de la relación perimetro disminuyen. De igual manera, similar a lo sucedido con el análisis PCA a nivel de clase, se tiene que las dos componentes en cada año representan más de tres terceras partes del comportamiento total de los datos. Al igual que con el análisis a nivel de clase, se tiene que para todos los años se tiene una representación de más del 75% de la variabilidad para todas las métricas del paisaje, este valor se visualiza en los ejes x & y de la anterior figura.
Por último, una característica del comportamiento de este PCA, es que la variable CV patch presenta poca contribución dentro de los cuatro periodos de tiempo, con lo cual se puede concluir que esta variable presenta poca importancia dentro del presente análisis, o lo que es lo mismo, no existe mayor variabilidad de esta métrica dentro de las distintas clases.
Cambio climático
Para el análisis del cambio climático se hizo uso de los datos del quinto informe del Panel Intergubernamental de Cambio Climático IPCC, haciendo además uso de dos escenarios futuros del clima, como lo son el RCP 4.5 y el RCP 8.5, estos RCP son modelos que van en función de la cantidad de aumento del forzamiento radiactivo en watts por metro cuadrado. Los datos de línea base fueron tomados de la base de datos de Worldclim v2.0 Hijmans et al., 2017; ahora bien, los datos del futuro se descargaron del portal de CCAFS ver aquí. Estos datos utilizados refieren a resolución de 30 arcos de segundo, es decir, aproximadamente 1 km2 en la línea del Ecuador. Como comentario adicional, se tienen que las variables climáticas utilizadas fueron la temperatura máxima (tmax), temperatura media (tmean), temperatura mínima (tmin), y precipitación (prec), con base en estas variables se estimó la evapotranspiración potencial, y con ello, el balance hídrico.
Siguiendo con la descripción de los datos, se tiene que los datos climáticos futuros referente a los RCP 4.5 y 8.5 están compuestos internamente por varios modelos, conocidos como GCM (Modelos de Circulación Generalizados), los cuales presentan distintas miradas del comportamiento del clima, siendo un total de 19 GCM. Todos estos datos fueron promediados (conocido como ensemble), y con esta media se hizo el cálculo de la diferencia entre el clima actual y el clima futuro.
Todo este análisis fue realizado dentro del lenguaje de programación de R, y con ayuda de las siguientes librerías: raster, rgdal, rgeos, stringr, sf, tidyverse, terra, fs, glue.
Mapas de línea base y diferencias con el clima futuro para el municipio de Monterrey
De acuerdo a los resultados obtenidos, en este informe se representan los datos de precipitación, temperatura máxima, temperatura mínima y temperatura promedio para línea base y las diferencias obtenidas tras cruzar la información de los escenarios futuros. Estas diferencias expresan las variaciones visualizadas en mapas, para detallar espacialmente y temporalmente la probabilidad de ocurrencia de cambios de temperatura y precipitación tanto para el RCP 4.5 como para el RCP 8.5, años 2030, 2050 y 2080. El análisis de datos se aplicó para el Municipio de Monterrey Casanare considerando un escenario de ‘business as usual’ en el cual las actividades económicas, políticas y sociales actuales se mantienen en el tiempo sin modificar la tendencia de los usos del suelo, este es el caso del RCP 4.5. Pero otro escenario muy usado internacionalmente es el más dinámico respecto a la implementación de una economía basada en negocios emitiendo CO2 (fuentes fósiles y extracción minera) e intervención de los servicios ambientales a mayor velocidad, el cual es el caso del RCP 8.5.
En el caso de la pluviosidad, en la línea base se registran valores picos de hasta 600 mm mes-1 durante los meses de Mayo, Junio y Julio y épocas de disminución de lluvias que pueden variar entre los 50 a 100 mm mes-1 (ver climogramas) durante los meses de Diciembre, Enero, Febrero y Marzo, denotando un sistema monomodal, un período de lluvias de 8 meses seguido de 4 meses de época seca. Las diferencias asociadas a los tres períodos de estudio presentes en cada RCP, es decir, año 2030, 2050 y 2080 son ligeramente variadas. Por tal motivo, se decide mostrar el gráfico del final del período, es decir las diferencias entre la línea base y el año 2080.
La gráfica muestra que hay variaciones negativas o disminución de precipitación de hasta 50 mm durante los meses de Enero, Febrero y Marzo. En contraste, durante la estación de picos de lluvia, se observa que la intensidad de lluvias aumenta sobre todo en la zona de recarga hídrica del municipio, con hasta 400 mm, siendo esta la parte Noreste y de mayor altitud en el gradiente geográfico, y donde hay mayor ocurrencia de deslizamiento de tierra. Opuesto a lo que sucede en épocas de menor precipitación, donde los momentos geográficos más secos se presentan al centro y sur oriente del municipio.
Tal como se ilustra en la anterior figura, los meses más secos van de noviembre a diciembre, mientras que los más húmedos, van de abril a septiembre; teniendo además presente que el rango de la precipitación va desde los 0 hasta los 550 mm aproximadamente; en adicción, los meses de agosto septiembre y octubre se presenta el caso que en la zona alta, al noroccidente, se presenta mayor sequía que en la parte baja.
Para el caso de la temperatura, los análisis se efectuaron tanto para tres variables de temperatura mínima, media y máxima con sus correspondientes líneas base y los escenarios futuros de RCP4.5 y 8.5, igual que en el análisis de precipitación, se presentan los gráficos finales para la serie del año 2080. Ahora bien, en la siguiente figura, se ilustra el comportamiento de la temperatura mínima
Temperatura mínima: la línea base presenta una escala que varia entre 10 a 23°C, en la que las temperaturas más bajas se presentan en las altitudes más altas del municipio y el paisaje de lomerío que llega hasta los 500 msnm. Hay ocurrencia de menor temperatura durante los meses de septiembre-diciembre, cuando hay un fenómeno de nubes bajas en el gradiente. Las temperaturas mínimas son más estables durante los meses de precipitación, en la cual no hay gran variación a nivel mensual. Sin embargo, en época de baja pluviosidad se registran momentos más cálidos en el territorio del municipio. Las diferencias registradas para el año 2080 en el RCP 4.5 varían entre 0.75 a 2°C pero para RCP 8.5 la temperatura se modifica entre 3.5°C a 5.5°C respecto a la línea base. Si bien estas variaciones tienden a situarse en la mediana de las escalas presentadas a lo largo del gradiente geográfico, los meses de mayor afectación se muestran en la época seca, repercutiendo en fenómenos de evapotranspiración más altos a nivel ecosistema.
Ahora bien, en la siguiente figura, se ilustra el comportamiento de la temperatura media, para la línea base y datos futuros.
Temperatura media: en términos generales a lo largo del año Monterrey presenta una línea base de temperatura que oscila entre los 15°C a 27°C. Una vez más las zonas más altas registran valores más bajos de temperatura y las zonas de valles y planicies los momentos más cálidos en términos de temperatura con la estacionalidad monomodal anteriormente mencionada.
En comparación con los escenarios futuros, la temperatura media registra diferencias respecto a la línea base para el RCP 4.5 de 2 a 3,2°C y para el RCP 8.5 entre 4 a 5,5°C. Nótese que a medida que se desmejoran las prácticas de conservación y regulación de emisiones de CO2, las diferencias a nivel municipal se hacen más evidentes.
En este caso, las zonas geográficamente más calientes serán aquellas asociadas a la pérdida de bosque denso en la zona de recarga hídrica del municipio de Monterrey.
Siguiendo con el análisis de temperatura, en las siguientes figuras se presenta la variable de temperatura máxima.
Temperatura máxima: la línea base registra un clima cálido para el municipio, característico de la zona tropical en la Orinoquia Colombiana donde se encuentra el municipio de Monterrey bajo la franja de piedemonte llanero. La escala varía entre 17°C a 35°C, pero que se distribuyen estacionalmente, por ejemplo, en los picos de lluvia de junio y julio, la temperatura máxima de mantiene discreta en promedio a 25°C, sin embargo, el gradiente sufre un significativo aumento para la franja de diciembre a marzo, donde más del 70% del territorio alcanza temperaturas pico de hasta 35°C.
Comparativamente se muestra las diferencias de temperatura respecto a los escenarios futuros para el año 2080, el final de la década de análisis. En ella RCP 4.5 registra una escala de variación de la temperatura máxima variante entre 1.5 a 3.7°C y alarmante para el caso del RCP 8.5 con variaciones entre 4 a 6°C. Un escenario supremamente caliente para dar por expectativa una adaptación de las producciones agrícolas y más aún la apuesta ecológica a la que esta destinado el Municipio por un turismo sostenible.
Índice estándarizado de precipitación (SPEI)
Este cálculo del SPEI incluyó también el análisis de la Evapotranspiración Potencial, esto a partir del método de Hargreaves, para el cálculo de estas variables se hizo uso principalmente de la librería SPEI. Luego el balance se calculó a partir de la diferencia entre la precipitación y la evapotranspiración. Este índice es muy usado en la ciencia para detectar períodos de tiempo anormalmente secos, que estacionalmente perduren lo suficiente para que exista un desequilibrio en la relación de la evapotranspiración normal o estrés hídrico que pueda sufrir una planta, ya sea de uso agrícola o de presencia endémica. Este se deriva de variables climáticas, en especial de la precipitación, respecto a las condiciones normales y el valor adimensional indica la severidad de la sequía. El período de estudio se efectuó para 33 años de datos correspondientes entre 1983 a 2016.
Representando la desviación estándar de cada observación mensual alejada respecto a su histórico (valor 0), los valores negativos indican déficit y valores positivos excedentes. Para este caso, se efectuó el análisis SPI 3, analizando la precipitación acumulada trimestralmente, identificando la frecuencia, intensidad y duración de manera más sencilla según la estacionalidad de Monterrey.
En la siguiente figura se ilustra el comportamiento mes a mes para el balance hídrico.
El balance hídrico multi-promedio para los 33 años muestra para la región hay una ocurrencia de déficit hídrico que oscila entre 0 a -100 mm mes-1 durante los meses de diciembre a marzo. El mes con mayor déficit hídrico se registra para el mes de enero. Este déficit en el histórico de precipitación se registra homogéneamente dentro del gradiente geográfico, es decir, independiente de la altitud, estacionalmente existe en estos períodos un estrés hídrico. En contraste, los meses de mayo a julio representan una precipitación pico que puede alcanzar hasta los 500 mm mes-1, picos que están diferenciados esta vez espacialmente, es decir, en mayor proporción en la región central y Norte.
En la siguiente figura se ilustra el SPEI con brecha de tres meses, esto para la temporalidad desde 1983 hasta el año 2016.
De acuerdo a los resultados, es posible establecer no solo los momentos en que se producen sequía sino picos históricos de precipitación. Estos fenómenos que se presentan de manera regular debido a dos situaciones meteorológicas que influyen en el clima de esta región. Ligeramente los fenómenos ENSO de la Niña ‘intensas lluvias’ y el Niño ‘intensa sequía’ y, por otra parte, las dinámicas que influyen desde la selva amazónica, quién es determinante y regula la humedad que puede haber a lo largo del año en la Orinoquia Colombiana.
Pero también se evidencian momentos de La Niña, sin embargo, con picos de menor intensidad que el presentado para la sequía. En la serie de tiempo se observa que el período más lluvioso respecto al histórico trimestral sucede en los años 2004 y 2008.
Explicado lo anterior, para la serie de tiempo analizada, se presentan años de sequía con repercusiones agrícolas durante los años 1985, 1989, 1992, 2001, 2007, 2011, 2013, 2014 y 2015 siendo este último año el único momento dentro de la serie que presenta una intensidad tal que tiene valores inferiores a SPEI -2, siendo una sequía ecológica, es decir, donde la vegetación endémica o adaptada a las condiciones geográficas se pudo ver gravemente afectada.
En la siguiente figura se ilustra el comportamiento del SPEI para el año 2015; se visualiza en colores las zonas con un valor menor a -1, es decir, zonas con sequía.
El índice SPEI también es usado para determinar geográficamente las zonas que pudieron verse con mayor afectación durante los momentos climáticos más intensos, en este caso, el más extremo para el período de estudio en la región, que sucede en el año 2015. El fenómeno de Niño inicia para el mes de mayo y se suaviza por las lluvias que ocurren entre el mes de junio y noviembre. Sin embargo, por ser un fenómeno que puede permanecer por varios meses en el país, lo que se advierte es que para los meses en que inicia el tiempo seco en condiciones normales en la región, el fenómeno, aunque saldría alcanzo a afectar fuertemente los meses De diciembre del año 2015 y los meses de enero a marzo del año 2016. La incidencia del efecto de salida del Niño y las condiciones topográficas incidió para que el fenómeno estuviera presente en la zona centro y norte del Municipio, dejando un espacio de no repercusión en las zonas más bajas de Monterrey. Sin embargo, el hecho que se ubique geográficamente la situación de sequía ecológica en la parte Norte repercute en todo el municipio, debido a que es la zona de recarga hídrica de las cuencas de los ríos presentes en el municipio.
Erosión
En la siguiente figura se ilustra el tipo de erosión y la cantidad de hectáreas representadas en el municipio de Monterrey.
Clasificación supervisada para detección de análisis de coberturas (Año 2020)
Esta clasificación supervisada se realizó a partir del siguiente insumo:
- Imagen Satelital Sentinel 2020 Nivel 2A con correcciones atsmoférica y 37 bandas a una resolución de 10 m.
La metodología utilizada para la elaboración del mapa de coberturas actualizado al 2020 siguió los siguientes pasos:
- Cálculo de variables descriptivas de las distintas bandas del producto Sentinel Nivel 2A para la región de estudio dentro de la plataforma de Google Earth Engine (GEE).
- Levantamiento de puntos de entrenamiento a partir del uso de Google Earth Pro y con conocimiento experto del territorio del municipio.
- Eliminación de coberturas conocidas de las bandas satélitales, estas fueron: drenaje sencillo, drenaje doble, centros urbanos y vías, estas capas se obtuvieron a partir de la aplicación del Sistema de Información Geográfico para el Ordenamiento Territorial (SIG-OT) del IGAC.
- Entrenamiento de clasificación a partir del uso de la técnica de Machine Learning Random Forest, para este se realizaron el uso de 50 bosques cada uno con 500 árboles, y un total de diez modelos disitntos para la aplicación de la validación cruzada.
- Como paso final se calcularon los indicadores de porcentaje de área de las cobertuas más importantes a nivel veredal.
La siguiente figura comprende los puntos utilizados para el análisis de coberturas
En la siguiente figura se ilustran los resultados obtenidos de esta modelación.
Los resultados de esta modelación indican un indice Kappa de 0.89, lo cual indica un acierto de aproximadamente 90% de las cobertuas para el municipio, seguido además del índice de error ASE (Approximate Stiffness Element) cercano al 0, con un valor de 0.0090.
Anexos
Se presentan los climogramas comparativos entre las líneas base y los escenarios RCP 4.5 y 8.5 para el año 2080. Estas representan las temperaturas máximas y mínimas así como las precipitaciones a lo largo del año
Mapas del SPEI
Otros productos
Datos del Modelo de Elevación Digital corregidos con el dosal de los bosques y las construcciones. Database: FABDEM
Balance hidrológico como herramienta para análisis hidrológico de cuencas (SWAT).
Agricultura de precisión a partir del uso del DRONN DJI Phantom4 Multiespectral.
Análisis espacial de datos de captura de carbono - bosques Spawn - NASA.
Sobre autores
[1] Erika Arias Erika Arias Ramirez, Ingeniera Ambiental de la Universidad El Bosque y Máster en Ciecias en Gestión de Recursos Naturales y Sustentabilidad de la Universidad de Ciencias Aplicadas de Colonia en Alemania, con alta experiencia en la investigación de negocios agrosustentables para el piedemonte llanero para la Confederación Agrosolidaria Colombia, en las áreas de cultivos para la adaptación al cambio climático. E-mail monterrey@agrosolidaria.org
[2] Fabio Castro-Llanos Geógrafo de la Universidad del Valle y Máster en Ciencias de la Información Geográfica de la Universidad del Salzburgo en Austria, con alta experiencia en el área de los Sistemas de Información Geográfica, asociado de investigación para la Alianza Bioversity - CIAT, en el área de modelamiento y clima para cultivos tropicales. E-mail fabio.castro@correounivalle.edu.co